人工智能崛起，機(jī)器人時(shí)代離我們還遠(yuǎn)么？

　　相信大家都聽過AI（Artificial Intelligence）即為人工智能，如今已經(jīng)成為非常熱門的研究領(lǐng)域。以前科幻大片里的場(chǎng)景也都在現(xiàn)實(shí)生活中一一出現(xiàn)了，人工智能在日常中的應(yīng)用也隨之不斷在增加，比如人機(jī)交互應(yīng)用（蘋果siri人機(jī)智能交互系統(tǒng)），競(jìng)技類圍棋機(jī)器人（AlphaGo）也有智能機(jī)車及智能運(yùn)動(dòng)運(yùn)輸類仿真機(jī)器人（Boston Dynamics公司旗下的Big Dog，Atlas robot）。機(jī)器人之所以能稱為“人”不是因?yàn)殚L(zhǎng)得像人 而是因?yàn)檫@些機(jī)器人都有一個(gè)通性就是可以通過程序的自我優(yōu)化來達(dá)到自主學(xué)習(xí)的目的，換言之，就是他們可以讓自己變得更聰明！

　　那么其中的Machine Learning就是必不可少的一門科學(xué)了，今天賦能網(wǎng)留學(xué)就帶大家來探知一下多倫多大學(xué)機(jī)器學(xué)習(xí)相關(guān)的課程有哪些~

1

Machine Learning in Computer Vision

機(jī)器學(xué)習(xí)之計(jì)算機(jī)視覺

　　近年來，在各個(gè)領(lǐng)域，深度學(xué)習(xí)已經(jīng)成為最主流的機(jī)器學(xué)習(xí)工具。其最大的成功之一就是計(jì)算機(jī)視覺，其中計(jì)算機(jī)對(duì)對(duì)象的捕捉和動(dòng)作識(shí)別方面的表現(xiàn)得到了顯著提升，從一些基本的手勢(shì)識(shí)別，到一些體感游戲。 在本課程中，我們將一起探討各種計(jì)算機(jī)視覺相關(guān)的問題，這些問題將涉及到不同神經(jīng)架構(gòu)的最先進(jìn)技術(shù)以及關(guān)于計(jì)算機(jī)可視化最前沿研究方向的探索。說白啦就是讓機(jī)器人擁有自己的眼睛，信息輸入端不在單獨(dú)基于編程這種方式啦~

2

Intro to Neural Networks and Machine Learning

神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)

　　機(jī)器學(xué)習(xí)是一組強(qiáng)大的技術(shù)，允許計(jì)算機(jī)從數(shù)據(jù)中自主學(xué)習(xí)，而不是通過傳統(tǒng)手動(dòng)編程的方式來實(shí)現(xiàn)更強(qiáng)大的功能。 神經(jīng)網(wǎng)絡(luò)是一類最初受大腦啟發(fā)的機(jī)器學(xué)習(xí)算法，但最近在實(shí)際應(yīng)用中取得了很多成功。 它們是Google和Facebook等公司生產(chǎn)系統(tǒng)的核心，用于人臉識(shí)別，語(yǔ)音到文本和語(yǔ)言理解。

3

Machine Learning and Data Mining

機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘

　　機(jī)器學(xué)習(xí)能讓機(jī)器從數(shù)據(jù)和經(jīng)驗(yàn)中學(xué)習(xí)和成長(zhǎng)。在過去的二十年中，機(jī)器學(xué)習(xí)技術(shù)在人工智能領(lǐng)域和技術(shù)行業(yè)中變得越來越重要。 本課程對(duì)一些最常用的機(jī)器學(xué)習(xí)算法進(jìn)行了廣泛的介紹。而且這些原理及算法將作為更高級(jí)課程的基礎(chǔ)，例如CSC412 / 2506（概率學(xué)習(xí)和推理）和CSC421 / 2516（神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)）。

　　課程的前半部分側(cè)重于監(jiān)督學(xué)習(xí)，然后后半段側(cè)重于無監(jiān)督學(xué)習(xí)。

　　這里展開一下監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的概念。監(jiān)督學(xué)習(xí)的原理就是你在給計(jì)算機(jī)的這個(gè)算法中是有一個(gè)期望的，叫做Labels（標(biāo)簽）。比如email設(shè)置什么樣的郵件算垃圾郵件，你已經(jīng)歸類（Classification）給了計(jì)算機(jī)，這樣計(jì)算機(jī)今后就能自我判斷哪些屬于垃圾郵件，應(yīng)為這些垃圾郵件都有一樣的屬性和特征，是被mark了的。也就是給計(jì)算機(jī)小朋友布置了指定的作業(yè)，必須按照學(xué)習(xí)規(guī)則來完成，最后遞交給我我想要的作業(yè)，答案是確定的。

　　無監(jiān)督機(jī)器學(xué)習(xí)用的 Training data（訓(xùn)練數(shù)據(jù)） 沒有標(biāo)簽。系統(tǒng)會(huì)試著自學(xué)。

　　通俗一點(diǎn)講就是給計(jì)算機(jī)小朋友布置了一個(gè)課題，告訴他可以在哪找到相關(guān)的學(xué)習(xí)資料，然后讓他自己去學(xué)習(xí)~最后完成的作業(yè)不限于一種答案，可以有一定的自由發(fā)揮的空間，答案具有一定的不確定性。比如你和Siri聊天，同樣的問題你過一段時(shí)間問它，它可能會(huì)給你不同的回答，不是因?yàn)檫@些回答已經(jīng)事先編程好了，而是siri在網(wǎng)絡(luò)上不斷的在學(xué)習(xí)和積累，對(duì)于同樣的關(guān)鍵詞識(shí)別它可能過一段時(shí)間就會(huì)有不一樣的認(rèn)識(shí)及回答了~

4

Topics in Machine Learning Deep Reinforcement Learning

機(jī)器學(xué)習(xí)之深度強(qiáng)化學(xué)習(xí)

　　任何智能系統(tǒng)的核心都是人機(jī)互動(dòng)或反復(fù)試驗(yàn)學(xué)習(xí)。強(qiáng)化學(xué)習(xí)（Reinforcement Learning）是一種模式也是一種算法，強(qiáng)化學(xué)習(xí)允許智能代理通過與其所在環(huán)境交互來達(dá)到學(xué)習(xí)進(jìn)化的目的。 在本課程中，我們將介紹馬爾可夫決策過程（MDP）的基本表述，格式化MDP的學(xué)習(xí)算法。 本課程將主要關(guān)注深度神經(jīng)網(wǎng)絡(luò)的各種近似函數(shù)算法。學(xué)習(xí)的案例將包括游戲設(shè)計(jì)原理及機(jī)器人運(yùn)動(dòng)控制等實(shí)際應(yīng)用。

　　拿Boston Dynamics公司旗下Atlas robot舉例，它在過障礙物的時(shí)候會(huì)存儲(chǔ)運(yùn)動(dòng)路徑相關(guān)的所以參數(shù)，如果這次失敗了則會(huì)自動(dòng)調(diào)整運(yùn)動(dòng)路徑，怎樣翻越障礙物，要不要跳，多大力度的跳，跳的時(shí)候怎樣保持平衡~通過不斷的練習(xí)，最終成功翻越障礙！所謂熟能生巧~

　　想必大家看過阿湯哥的《明日邊緣》這部科幻電影，Atlas就像電影里的阿湯哥，不斷的重復(fù)著同樣的關(guān)卡，通過打怪練級(jí)，不斷積累經(jīng)驗(yàn)最終通關(guān)，想想是不是很有意思呢？

　　好了，以上就是賦能網(wǎng)留學(xué)給大家整理的一部分多倫多大學(xué)開設(shè)的關(guān)于人工智能機(jī)器學(xué)習(xí)相關(guān)的課程介紹，通俗一點(diǎn)來說就是讓計(jì)算機(jī)通過網(wǎng)絡(luò)，可視化交互等方法來達(dá)到數(shù)據(jù)的采集并自我分析最優(yōu)解的技術(shù)，模仿的就是人類的神經(jīng)網(wǎng)絡(luò)原理。

　　打個(gè)比方，你想讓計(jì)算機(jī)去記住什么是蘋果，計(jì)算機(jī)可能會(huì)自主在網(wǎng)絡(luò)上下載超過1萬張關(guān)于蘋果的圖片并從不同的觀察角度去記憶，以至于你拿著不同的蘋果去讓計(jì)算機(jī)識(shí)別，它都能反應(yīng)過來這是一個(gè)蘋果。雖然對(duì)于人類來說這是一個(gè)非常簡(jiǎn)單的動(dòng)作，對(duì)于計(jì)算機(jī)來說可能就是數(shù)以兆計(jì)的數(shù)據(jù)存儲(chǔ)，處理及分析了。說不定在不久的將來，機(jī)器人真的能實(shí)現(xiàn)擁有一定自由度的自我意識(shí)，更好的去服務(wù)人類。人工智能的時(shí)代已經(jīng)在向我們招手！